PPA手把手——Python pdfplumber、pypdf2 常用方法总结

为了大家近距离了解RPA，推出信用卡账单管理机器人，独立场景，独立使用，欢迎免费下载使用：

http://fs.i-search.com.cn/setup/card1.0.0.13_csdn.exe

这两天学习了一些处理 PDF 文档的方法，网上查找资料的过程中发现很多处理 PDF 文件的库，多方尝试后推荐两个比较好用的。
若处理对象是 PDF 文档本身，则推荐使用 pypdf2，如对 PDF 文档进行分割, 合并, 插入等操作.
若处理对象是 PDF 文档中的文本，表格等内容，则推荐使用 pdfplumber.

pypdf2
PdfFileMerger。
该类用来合并 pdf 文件，该类的构造方法有一个参数：PdfFileMerger(strict=True)，注意这里的参数后面会介绍：

常用方法：

addBookmark(title, pagenum, parent=None)：给 pdf 添加一个书签，title 是书签的标题，pagenum 是该书签指向的页面。

append(fileobj, bookmark=None, pages=None, import_bookmarks=True)：将指定的 fileobj 文件添加到文件的末尾，bookmark 是赎前，pages 可以使用 (start, stop[, step]) 或者一个 Page Range 来设定将 fileobj 中的指定范围的页面进行添加。

merge(position, fileobj, bookmark=None, pages=None, import_bookmarks=True)：与 append 方法类似，不过可以使用 position 参数指定添加的位置。

write(fileobj)：将数据写入到文件中。

使用的时候可以创建一个 PdfFileMerger 实例，然后使用 append 或者 merge 将想要融合的 pdf 文件依次添加进去，最后使用 write 保存即可。

def merge_pdf():
# 创建一个用来合并文件的实例
pdf_merger = PdfFileMerger()

# 首先添加一个Week1_1.pdf文件
pdf_merger.append('Week1_1.pdf')
# 然后在第0页后面添加ex1.pdf文件
pdf_merger.merge(0, 'ex1.pdf')
# 添加书签
pdf_merger.addBookmark('这是一个书签', 1)
# 将其写入到文件中
pdf_merger.write('merge_pdf.pdf')

下面看一下 PdfFileMerger(strict=True) 中的这个参数：

官方对这个参数的解释：

strict (bool) – Determines whether user should be warned of all problems and also causes some correctable problems to be fatal. Defaults to True.

确定是否应该警告用户所有问题，并且还会导致一些可纠正的问题。

刚开始感觉这个参数就是用来是否警告用户一些错误的，直接使用默认即可，但是当本人尝试合并带中文的 pdf 时，出现了如下错误：

Traceback (most recent call last):
File “I:\python3.6\lib\site-packages\PyPDF2\generic.py”, line 484, in readFromStream
return NameObject(name.decode(‘utf-8’))
UnicodeDecodeError: ‘utf-8’ codec can’t decode byte 0xc8 in position 10: invalid continuation byte

During handling of the above exception, another exception occurred:

PyPDF2.utils.PdfReadError: Illegal character in Name Object
在源码包中使用 utf 解码的时候出错了，尝试修改此处源码，让其使用 gbk，但是还出现了其他的错误。最后发现当把构造函数中的 strict 设置为 False 时，控制台会打印下面的错误：

PdfReadWarning: Illegal character in Name Object [generic.py:489